1 / 36

ESTIMASI DAN PERAMALAN PERMINTAAN

ESTIMASI DAN PERAMALAN PERMINTAAN. EKONOMI MANAJERIAL EKA DEWI NURJAYANTI, S.P., M.Si Estimasi permintaan Analisis regresi Peramalan permintaan. Banyak perush yg menyewa lembaga riset & konsultan atau membentuk devisi tersendiri dlm perush untuk melakukan estimasi permintaan .

ann-medina
Télécharger la présentation

ESTIMASI DAN PERAMALAN PERMINTAAN

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ESTIMASI DAN PERAMALAN PERMINTAAN EKONOMI MANAJERIAL EKA DEWI NURJAYANTI, S.P., M.Si Estimasipermintaan Analisisregresi Peramalanpermintaan

  2. Banyakperushygmenyewalembagariset & konsultanataumembentukdevisitersendiridlmperushuntukmelakukanestimasipermintaan. • Tujuandrestimasiiniadluntukmeminimalisirresiko & ketidakpastianygmungkinakandihadapaiperushdlmjangkapendekmaupunjangkapanjang. • Kedudukanperamalanmjdsemakinpentingkarenaorganisasibisnisdanlingkunganmjdsemakinkompleks & berubahdgn tempo ygsemakincepat.

  3. A. DEMAND ESTIMATION • Estimasipermintaanadlupayauntukmengetahuipengaruhdrperubahansatuataulebihvariabelygmempengaruhipermintaanataujumlahpermintaansuatuproduk.

  4. Dilakukandgn 2 cara: • Pendekatanlangsung Melibatkankonsumenscrlangsung, misalnya interview, surveikonsumen, simulasisituasipasar, daneksperimenpasarterkendali. • Pendekatantaklangsung Memakai data ygsudahterkumpuldantersedia, kmddicarihubunganantara data permintaanprodukdgnfaktorygmempengaruhinyascrstatistik.

  5. Interview & Survei • Biasanyadilakukandgnmenanyaiscrlangsungkonsumen/konsumenpotensialttgkemungkinanperubahankeputusanmerekauntukmembelisuatuprodukkarenaperubahanhargaprodukataupunfaktor lain. • Pertanyaanygdiajukanbiasanyaterkaitdgnharga, iklan, perubahanhargaproduk lain, danperubahanpendapatan. • Konsumenygdipilihbisasecaraacakatauprodusensengajamengundangkonsumen pd situasittt.

  6. Kelemahanmetode interview & survei: • Berhubungandgntingkatkeragaman(random) drcontohkonsumenygdipilih. Konsumenygdiwawancaraharusbisamewakilikonsumenscrkeseluruhan agar hasilnyatidak bias. Semakinbanyakrespondensemakinbanyakwaktu, biaya & tenagaygdibutuhkan. • Bias drpewawancara, yaiturespondrkonsumenygdiwawancara bias karenakehadiranpewawancara. • Pertanyaanygdiajukankpdkonsumenmungkinkurangjelas, membingungkan, atausalahdiinterpretasikanolehkonsumen.

  7. Kelemahantsbbisadiatasimelaluiformulasidanpenyusunankuisionerygtepatuntukmemperolehhasilygsesuai.Kelemahantsbbisadiatasimelaluiformulasidanpenyusunankuisionerygtepatuntukmemperolehhasilygsesuai. • Bentukpertanyaan pd kuisionerdptmempengaruhisifatjawaban. • Pertanyaanterbukamemungkinkankonsumenuntukmengungkapkanjawabannyadgn kata2 sendiri. Tetapipertanyaanterstruktur(pilihanganda) hanyamenghasilkansatujawabansajashgseringtimbuljawabanyg bias.

  8. Simulasisituasipasar • Sejumlahkonsumenygdipilihsbgrespondendiberisejumlahuangdandimintauntukmembelanjakanuangtsb pd pasarygdisimulasi. • Hasildrsimulasipasarharusdikajiscrcermat, karenarespondenmungkinmelakukanhalygberbedajikauangtsbadalahmilikmerekasendiri • Metodeinimemerlukanbiayabesaruntukpelaksanaannya: membuatsimulasipasar, menyediakanprodukpesaingdanperluwaktu lama. • Untukmenekanbiayabiasanyajumlahrespondendibatasi, tetapihasilnyatidakmewakilipasar.

  9. Pendekatantaklangsung • Metodeinidilakukanuntukmencari hub antara data2 permintaanprodukdgn faktor2 ygmempengaruhinyascrstatistikdgnmemakai data ygsudahterkumpuldantersedia. • Data bisadiperolehdrbagianrisetperushataudr data ygdipublikasikanolehlembagarisetataupemerintah. • Cara ygbiasadilakukanbiasanyamelaluianalisisregresi, ygbisadiaplikasikanscrluas pd bidangekonomi & bisnis, seperti pd produksi, biaya, konsumsi, investasi. • Metodeanalisisygbiasadigunakanadlregresiberganda, regresitigatahap, multivariat, VAR, arima, regresisimultan.

  10. B. ANALISIS REGRESI • Dilakukanuntukmengetahui hub kuantitatifygsebenarnyaantarapermintaansuatuproduk (variabelterikat) dgn faktor2 ygmempengaruhinya (variabelbebas). • Tahap2 ygdilakukanadl: • Spesifikasipersamaanregresi • Memperoleh & mengumpulkan data • Melakukanregresifungsipermintaan • Evaluasiekonomi • Evaluasistatistik • Evaluasiekonometrik • Implikasihasilestimasipadakeputusanmanajemen

  11. 1. Spesifikasipersamaanregresi • Padatahapini, manajerharusmenentukandanmemasukkansemuafaktorygmempengaruhipermintaanproduk. • Semuafaktorygmungkinmempengaruhipermintaanatassuatuprodukdapatdimasukkandlmpersamaan, baikitufaktorygdapatdikendalikanperush (hargaproduk, bauranpemasaranproduk) maupunfaktordiluarkontrolperush(bauranpemasaranpesaing, selera, pendapatan, ekspektasikonsumen).

  12. Selanjutnyamenentukankemungkinanbentukfungsipermintaannyaapakah linier atau non linier (kuadrat, kubik, dll). • Kemudianmenentukankemungkinantandadr masing2 koefisienestimasivariabelsesuaidgnkonsepdanteoripermintaan.

  13. 2. Memperolehdanmengumpulkan data • Setelahsemuavariabeldimasukkan, selanjutnyaadlmemperoleh data dr variabel2 tsb. • Duajenis data ygdipakaidlmanalisisregresi: • Data time series Sekumpulan data ttgvariabelttt pd rentangwaktuygberbeda, biasanyamelibatkansatuentitassaja. → pendapatanRTdikab. Semarang tahun 2000 - 2010 • Data cross section Data ttgvariabeltttygdiambil pd waktutttsajadanmeliputibanyakentitas. → penjualan motor kab. se-Jatengbln September 2010

  14. Jika data variabeltidaktersediaatausulitdiperoleh, bisamenggunakanvariabel lain sbgproxy variable. • Misalnya data pendapatansulitdiperolehbisadiukurdenganpendekatanpengeluarankonsumendgnasumsibahwapengeluaranmendekatipendapatankonsumen.

  15. 3. Melakukanregresifungsipermintaan • Mencakup 2 kelompokvariabel, variabelbebas (independent variable) danvariabelterikat (dependent variable). • Variabelterikatmenjadipusatperhatiandanmerupakanvariabelygingindiketahuidandiprediksinilainya (jumlahpermintaan). • Variabelbebasadalahvariabelygmenjelaskannilaidarivariabetakbebas (misalnya, hargaprodukybs, hargaproduksubstitusidankomplementer, pendapatan, selera, dll).

  16. Jikaregresihanyamelibatkansatuvariabelbebassaja, makaregresitsbdisebutsbgregresisederhana(simple regression). • Jikamelibatkanlebihdarisatuvariabelbebasdisebutregresiberganda(multiple regression).

  17. REGRESI SEDERHANA • Hub linier antara Y dan X adlY = α + β X • α adlintersepmenunjukkantingkatpenjualan (Y) ygdipengaruhiolehfaktorselainiklan (X) danβ adlkoefisieniklanygmenunjukkanrespon marginal penjualanprodukthdpengeluaraniklan. • GarisregresiygdidugaadlY = a + bX + e. • Garisregresibisadiperolehmelalui program komputerseperti SPSS, SAS, Minitab.

  18. REGRESI NON-LINIER • Bentukfungsipermintaan: Q = aPb • Fungsiinitidak linier shgharusdtransformasikanterlebihdahulumjd linier dgnmelogaritmakanmjd : log Q = log a + b log P • Jika log Q = Q*, log a = a* dan log P = P*, makabentuk linier persamaantsbadl: Q* = a* + bP*

  19. REGRESI BERGANDA • Contohfungsipermintaanuntukproduk U: linier : Qu = a1 + a2 Pu + a3 Pt + a4 N + a5 I + e non-linier : Qu = a1Pua2Pta3Na4Ia5e • Transformasimjdpersamaan linier : log Qu = log a1 + a2 log Pu + a3 log Pt + a4 log N + a5 log I + log e • Jika log Qu = Qu*, log a1 = a1*, log Pu = Pu*, log Pt = Pt*, log N = N*, log I = I*, dan log e = e*, makapers.liniermjd: Qu* = a1* + a2 Pu* + a3 Pt* + a4 N* + a5 I* + e*

  20. 4. Evaluasiekonomi • Digunakanuntukmemastikanbahwakoefisienestimasiygdiperolehsudahsesuaidgnkonsepdanteoriekonomi. • Persamaanregresiygdiperolehdiestimasi/dievaluasiapakahtandakoefisienestimasinyasesuaidgnkonseppermintaan.

  21. 5. EvaluasiStatistik • Persamaanharusdiujisecarastatistikapakahhasilygdiperolehdptmewakilikondisipopulasipasarsecarakeseluruhan. • Nilai output komputerygperludiketahuiadl R2, standart error estimasi, standart errorkoefisienestimasi, t hitungdan F hitung.

  22. Standart error estimasi • Adalahukuranygmenunjukkanpersebaran data aktualterhadapgarisregresi. • Semakinkecilstandart error, garisregresi yang diperolehsemakinbaik. • Untukpenelitiansosialstandart error ygdigunakanbiasanya 5% dan 10% sedangkanuntukkedokteran 1 %.

  23. Koefisiendeterminasi (R2) • Adalahsuatunilaiygmenunjukkanberapapersenvariasi pd variabelterikatdijelaskanolehvariasi pd variabelbebasnya. • Semakinbesarnilai R2artinyasemakinbaikpersamaanregresiygdiperolehkarenamenunjukkanbahwapersregresidapatmenjelaskanvariabelterikatnyadgnlebihbaik.

  24. Nilai R2= 89,8% artinya 89,8% variasi Y dapatdijelaskanoleh X dan 10,2% dijelaskanolehvariabel lain diluarpersamaanregresi. • Jikajumlahvariabelbebasataujumlah data dtambahkanpadapersregresi, makanilai R2akansemakinbesar. • Untukvaliditas data jugadipakaiR2 adjusted karenaseringkalivariabelbebas pd perssecaralogikatidakberhubungandgnvariabelterikatnya.

  25. Standart error koefisienestimasidanUji t • Standart error koefisienestimasimrpukuranakurasidarikoefisienestimasi. • Nilaistandart error koefisienestimasiygkecil, menunjukkanbahwanilaikoefisienestimasiygdiperolahsemakindekatdgnkoefisienygsebenarnya.

  26. Uji tdilakukanuntukmengetahuiapakah masing2 koefisienestimasiygdiperolehberbedanyatadari nol. • Ujitdilakukandgnmembagikoefisienestimasiygdiperolehdgnstandartdeviasinya,hasilnyadisebutt-hitung. • Jikanilai t-hitungbesar, makakoefisientsbberbedanyatadarinol, ygberartivariabeltsbmemangberpengaruhnyatapadavariabelbebas.

  27. Uji F • Digunakanuntukmengujisignifikansidrsemuakoefisienestimasisecarabersama-sama. • Semakinbesar F-hitungmenunjukkanbahwapersamaanreresiygdiperolehsemakinbaik.

  28. 6. EvaluasiEkonometrik • Persamaanregresiselanjutnyaharusdiujisecaraekonometriksebelumdiaplikasikan dl pengambilankeputusanbisnis. • Ujiekonometrikmencakupujimultikolinearitas, heteroskedastisditas, danujiautokorelasi.

  29. UjiMultikolinearitas • Salahsatuasumsidlmregresibergandaadl “variabel2 independenygdigunakantidakberhubungansatudgn lain secarasistematis”. • Contohmultikolinearitas: Permintaankomputerdipengaruhiolehhargakomputer, pendapatandantingkatpendidikan. Pendapatandantingkatpendidikanbiasanyabergeraksearah.

  30. Indikatorterjadinyamultikolinearitasdlmpersregresiadalahjikahasiluji-F nyata, tetapihasiluji-t untuktiapkoefisienestimasitidaknyata. • Cara mengatasimultikolinearitasadalahdenganmembuangvariabelygdicurigaisebagaipenyebabmultikolinearitasdaripersamaanregresi.

  31. UjiAutokorelasi • Autokorelasiterjadijikafaktorkesalahan (e) dariregresimenunjukkanpolattt, danpolainimenunjukkanbahwaterdapatvariabel lain ygberubahsecarasistematisdanmempengaruhivariabelindependen.

  32. Dampakautokorelasiadalahsecarastatistikkoefisienestimasisuatuvariabelmungkinsangatnyatasecarastatistik, tetapifaktanyavariabeltsbtidakberpengaruhnyata pd variabeldependennya. • Contoh: Hasiluji t koefisienvariabeliklanberpengaruhnyata. Tanpamelakukanujiautokorelasi, manajermemutuskanmeningkatkananggaraniklan agar permintaanmeningkat. Padahalkenyataannyavariablpendapatanlebihberpengaruhdibandingiklan.

  33. Cara mendeteksiautokorelasiadlmelaluinilaiDurbin-Watson (D-W statistik) denganpedomanjika D-W statistikmendekati 2, makatidakterjadiautokorelasi. • Salahsatupenyebabautokorelasiadalahterdapatvariabelindependentetapibelumdimasukkankedalampersamaanregresi.

  34. Menurut Gujarati (1997) untuk mengatasi keterbatasan uji Durbin Watson, dilakukan Run Testyang diterapkan pada residual (penyimpangan). • Definisi Run adalah urutan yang tak terputus dari suatu lambang atau ciri seperti + atau -. • Jikanilai residual memilikipolatertentumakamenunjukkanadanyaautokorelasi.

  35. Ujiheteroskedastisitas • Heteroskedastisitasberhubungandenganfaktor-faktorpengganggu yang dianggapintensitasgangguannyatetap yang tercerminpadavarian Y. • Dalamkeadaanhomoskedastisitasvariandarimasing-masing Y sama, akantetapidalamkeadaanheteroskedastisitasvarianmasing-masing Y tidaksama.

  36. UjiParkdigunakanuntukmengujiadatidaknyaheteroskedastisitas. • Deteksidilakukandengan: bilahasiluji F, t dankoefisiendeterminasi (R2) tidaksignifikan, makadapatdisimpulkantidakterjadiheteroskedatisitas.

More Related